供应链管理中的产品层级预测多阶段方法：以 MonarchFx 公司的应用为例
机器学习
2023-08-21 v2 机器学习
摘要
层级时间序列需求存在于许多行业中，通常与产品、时间范围或地理聚合相关联。传统上，这些层级使用自上而下、自下而上或中间向外的方法进行预测。我们旨在回答的问题是：如何在层级供应链中利用子级预测来改进父级预测。改进的预测可用于大幅降低物流成本，尤其在电子商务中。我们提出了一种新颖的多阶段层级（MPH）方法。我们的方法涉及使用机器学习模型独立预测层级中的每一序列，然后组合所有预测以在父级进行第二阶段的模型估计。来自 MonarchFx 公司（一家物流解决方案提供商）的销售数据被用于评估我们的方法，并将其与自下而上和自上而下方法进行比较。我们的结果表明，使用所提方法的预测准确率提高了 82–90%。使用所提方法，供应链规划人员可以推导出更精确的预测模型，以利用多变量数据的优势。
引用
@article{arxiv.2006.08931,
title = {A Multi-Phase Approach for Product Hierarchy Forecasting in Supply Chain Management: Application to MonarchFx Inc},
author = {Sajjad Taghiyeh and David C Lengacher and Amir Hossein Sadeghi and Amirreza Sahebifakhrabad and Robert B Handfield},
journal= {arXiv preprint arXiv:2006.08931},
year = {2023}
}
备注
25 pages, 2 figures, 8 tables